大型商场中交互群组的识别和位置预测方法

发布时间：2021-11-21 18:51

　　在公共场合中,人员的群组化是一个非常普遍的现象,如和朋友、亲人在商场购物或在公园散步。交互群组是指群组成员间有交互动作的群组,例如成员间有挥手、握手、拥抱或挽手的行为,这些行为在日常生活中都是很常见的。现有的群组识别方法主要是基于个体位置或信号特征的相似性来进行群组的关联,然而在现实生活中群组中的成员并不是始终在临近的位置并保持行走速度和方向一致。因此在现有的群组识别方法中群组成员之间的交互行为可能被认为是不相似的,进而会影响群组识别的准确度。在本文中,我们提出了一种交互群组识别方法,用于识别成员之间存在交互行为的群组。该方法首先收集对象的加速度数据,并基于加速度数据使用分类器方法推断他们的行为动作,然后使用滑动窗口技术计算对象之间动作序列的差异来得到对象之间的关联。为了解决并非所有的群组成员在同一时间都执行相同交互行为的问题,我们提出了基于多数表决的方法进行群组识别。与现有方法相比,IGR的平均群组识别准确率和Fl-score分别提高了 6.9%和13.6%。实验结果也表明,当交互动作占比不小于总行为序列的8%时,IGR的平均准确率和F1-score可以分别达到97.2%和94.7%... 

【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图２－１支持向量机分类介绍??

件将总体样本集合划分为两类，然后在分开的较小样本集合继续进行判断以提高??算法的分类效率。??决策树示意图如图２－２所示。决策树由结点和有向边组成。结点有两种类型：??内部节点（椭圆形表示）和叶子节点（矩形表示）。内部节点代表一个特征或属??性，叶子节点代表一个分类。开始分类时，从决策树的根节点开始，对待分类样??本的某个特征或属性进行判断，然后根据判断结果，将该样本分配到根节点的子??结点。每一个子结点对应着该特征或者属性的一个取值。如此递归的向下进行移??动判断，直至达到叶子结点，代表分类结束，待分类样本就属于该叶子结点所属??的类别。??Ｚ晡乳类动物??，￣、恒非晡乳类动物??Ｑ体温＾???冷血非晡乳类动物??图２－２决策树分类示例图??常用的决策树算法由ＩＤ３，?Ｃ４．５，ＣＡＲＴ三种。这三种算法在模型构建思想??上以及剪枝过程基本都是一致的，不同的地方在于采用了不同的评价指标。??决策树分类算法的优势在于得到的分类规则容易理解并具有很高的准确性。??其不足之处在于构建决策树的过程中，需要对数据集进行多次的扫描和排序，导??致算法的效率较低。??１５??

密度可连接：＃（；？）与是密度可连接的，表示为对于相??同的母ｗ和若存在一个点〇，如果满足和＃⑷都包含〇，则表示??ＷＣｐ）与ＷＱ）是密度可连接的。密度可连接关系如图２－３所示。??ＤＪ集群：基于密度可连接的集群Ｃ定义如下：％４，外４并且存在州＞）??与＃化）使得Ｊ（Ａ＾），＃（《）），则集群Ｃ表示为Ｃ?＝?＃〇）?ｕ?７Ｖ⑷。??图２－３联合密度聚类示例图??１６??

【参考文献】：
期刊论文
[1]传感器技术及在智能手机中的应用[J]. 李宏年.  中国新通信. 2015(24)
[2]结合运动方程与卡尔曼滤波的动态目标追踪预测算法[J]. 王妍,邓庆绪,刘赓浩,银彪.  计算机科学. 2015(12)
[3]大数据环境下移动对象自适应轨迹预测模型[J]. 乔少杰,李天瑞,韩楠,高云君,元昌安,王晓腾,唐常杰.  软件学报. 2015(11)

博士论文
[1]智能视觉监控中运动目标检测与行为识别方法[D]. 王韦桦.西安电子科技大学 2014

硕士论文
[1]固定场景中运动目标检测与运动估计跟踪[D]. 李岩.郑州大学 2016
[2]人体运动识别与综合分析系统[D]. 潘敬奎.东华大学 2016
[3]基于手机传感器的人类复杂行为识别方法的研究[D]. 贾博轩.黑龙江大学 2015
[4]基于智能手机的用户行为识别技术研究与应用[D]. 胡龙.电子科技大学 2015
[5]移动对象位置预测关键技术的研究[D]. 张伟.南京航空航天大学 2009



本文编号：3510048